💻 computer science

When structure does not imply symmetry

该研究通过实验与数据驱动模型发现，真菌材料的微观各向异性并不必然导致宏观力学或感官的各向异性，并建立了一种从数据直接推断复杂软材料对称性的新框架。

原作者： Skyler R. St. Pierre, Thibault Vervenne, Ethan C. Darwin, Ellen Kuhl

发布于 2026-04-20

📖 1 分钟阅读☕ 轻松阅读

原作者： Skyler R. St. Pierre, Thibault Vervenne, Ethan C. Darwin, Ellen Kuhl

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文探讨了一个非常有趣且反直觉的问题：“看起来有方向性的东西，真的就一定在力学上‘偏心’吗？”

为了让你轻松理解，我们可以把这篇研究想象成一场关于**“真菌牛排”**（用蘑菇菌丝做的植物肉）的侦探故事。

1. 核心谜题：外表 vs. 内在

想象一下，你面前有三块用真菌做的“肉”。

外观： 它们看起来都像是由无数根细小的“面条”（菌丝）交织而成的。就像一捆捆整齐排列的意大利面，或者像木头里的纹理。
常识直觉： 我们通常认为，如果东西内部像“面条”一样有方向（比如顺着面条拉很容易，横着拉很难），那它肯定就是**“各向异性”**的（即：不同方向受力，表现完全不同）。这就好比顺着木纹撕纸很容易，横着撕就很费劲。

但这篇论文想问： 这种“看起来有方向”的结构，真的意味着它在受力时也会“偏心”吗？还是说，有时候虽然看着像有方向，但实际上它是个“老好人”，各个方向都一样？

2. 实验过程：像测试橡皮筋一样测试“真菌肉”

研究人员找了三种不同的真菌材料：

菌丝体（Mycelium）： 像是一大片连在一起的菌网。
子实体（Fruiting Body）： 比如像灵芝或蘑菇的“伞”部分，纤维排列很紧密。
混合蛋白（Protein Blend）： 把菌丝和蛋白质混合在一起。

他们把每种材料切成两个方向：

顺纹方向（平行）： 顺着“面条”的走向。
横纹方向（垂直）： 垂直于“面条”的走向。

然后，他们像测试橡皮筋一样，对这些材料进行了拉伸、挤压和剪切（就像用手捏、拉、搓面团），看看它们在不同方向上是不是真的不一样。

3. 惊人的发现：外表会“骗人”

结果非常有趣，三种材料的表现截然不同，就像三个性格迥异的人：

第一种（菌丝体）：是个“真·偏心眼”
- 表现： 顺着拉和横着拉，感觉完全不一样。顺着拉很结实，横着拉很软。
- 结论： 它的内部结构（面条方向）确实决定了它的性格。外表看起来有方向，内在也确实“偏心”。
第二种（子实体）：是个“有点偏心的普通人”
- 表现： 顺纹和横纹有点区别，但区别不大。
- 结论： 它处于中间状态，有点方向性，但不强烈。
第三种（混合蛋白）：是个“彻底的和平主义者”
- 表现： 无论你怎么拉、怎么压，顺纹还是横纹，它的反应几乎一模一样！
- 结论： 尽管显微镜下看，它里面也是有方向排列的“面条”，但在宏观受力时，它表现得像个完美的球体，完全对称。

这就好比： 你有一捆乱糟糟的毛线（看起来有方向），但你用力去拉它，发现它无论往哪个方向拉，阻力都一样。这就是这篇论文的核心发现：微观结构的“方向感”，并不总是能翻译成宏观的“方向感”。

4. 感官测试：吃起来有区别吗？

研究人员还找了一群志愿者来“品尝”这些材料，问他们：“咬起来硬不硬？有嚼劲吗？像不像肉？”

结果： 有趣的是，虽然第一种材料在力学上方向性很强，但在**“纤维感”**（吃起来像不像肉丝）这个主观感受上，大家并没有觉得顺纹和横纹吃起来有太大区别。
启示： 我们觉得食物“有嚼劲”或“像肉”，不仅仅是因为内部结构有方向，而是力学性能和感官信号混合后的复杂结果。

5. 终极武器：AI 侦探

为了搞清楚为什么第三种材料看起来有方向却表现得像没方向，研究人员用了一种**“自动模型发现”**的 AI 技术。

传统做法： 科学家通常会先假设：“因为它有纤维，所以我要用包含纤维公式的复杂模型。”
AI 做法： 让 AI 直接看数据，自己去找规律。
AI 的判决：
- 对于第一种材料，AI 说：“没错，它需要纤维公式。”
- 对于第三种材料，AI 说：“不需要！它只需要最简单的公式就能完美描述。”
- 这意味着： 第三种材料虽然微观上有纤维，但在宏观力学上，那些纤维并没有起到“定向”的作用。是力学反应定义了它的对称性，而不是几何结构。

总结：这篇论文告诉我们什么？

不要“以貌取物”： 看到东西里面有纹理、有方向，不要理所当然地认为它在受力时也会表现出方向性。有时候，内部结构会被“平均化”，导致整体表现非常均匀。
数据驱动的重要性： 以前我们靠猜（基于结构推测性质），现在我们可以靠数据（让 AI 从实验数据中直接找出真正的规律）。
对未来的意义： 这对于制造人造肉非常重要。如果你想做一块吃起来像真牛肉（有纤维感）但口感均匀的人造肉，你不需要让内部结构完全混乱；你可以利用这种“结构存在但力学对称”的特性，设计出既像肉又好吃的新型食品。

一句话概括：
这篇论文告诉我们，“长得像有方向，不代表干活时也有方向”。就像一个人可能穿着条纹衫（结构有方向），但性格却是个随和的圆滑派（力学各向同性）。在设计和理解新材料时，我们要相信数据，而不是仅仅相信眼睛看到的结构。

论文技术总结：当结构不暗示对称性 (When structure does not imply symmetry)

1. 研究背景与问题 (Problem)

在连续介质力学和材料科学中，传统观点通常假设微观结构的排列直接决定了宏观力学响应的对称性。即，如果材料内部存在明显的纤维状或定向排列（各向异性微结构），其宏观力学行为（如刚度、强度）必然表现出各向异性。这一假设基于基于不变量（invariant-based）的本构定律，认为内部架构引入的优先方向会打破旋转对称性。

然而，许多软材料（如具有定向分子链的聚合物、胶原网络软骨、轴突束脑组织）挑战了这一假设：微观结构的组织并不总是转化为方向依赖的宏观响应。

本研究的核心问题：

真菌蛋白材料（具有明显的纤维状菌丝网络微结构）是否必然表现出各向异性的力学响应？
这种力学响应的各向异性是否控制了人类感官对“纤维感”（fibrousness）的感知？
更根本地，是结构决定了材料的对称性，还是对称性仅通过力学响应涌现？

2. 方法论 (Methodology)

研究团队结合了受控实验与数据驱动的模型发现（Data-driven Model Discovery），对三种不同来源的真菌蛋白材料进行了系统研究。

2.1 实验对象

选取了三种具有不同微结构组织的真菌基材料：

菌丝体 (Mycelium)：源自蘑菇根部，呈现相对均匀的片状结构，定向特征有限。
子实体 (Fruiting Body)：源自菌盖，具有致密连接的纤维和明显的优先取向。
蛋白菌丝体混合物 (Protein Mycelium Blend)：结合了局部对齐区域与大空隙，结构异质性高。

2.2 实验设计

取样方向：针对每种材料，制备两个正交方向的样品：
- 面内 (In-plane, ||)：平行于 apparent 纤维排列方向。
- 面外 (Cross-plane, ⊥)：垂直于纤维排列方向。
力学测试：对每种材料和方向进行 $n=10$ $n = 10$ 次准静态测试，涵盖三种加载模式：
- 拉伸 (Tension)
- 压缩 (Compression)
- 剪切 (Shear)
- 应变范围：最大 10%。
- 总测试数：180 次。
感官评估：招募参与者对加热后的样品进行感官评价，使用 5 点李克特量表评估 12 种质地属性（包括柔软度、咀嚼性、纤维感等），分别测试面内和面外方向。

2.3 数据分析与模型发现

线性分析：在小应变范围内通过线性回归提取有效刚度（拉伸、压缩、剪切及平均刚度），统计比较各向异性。
连续介质框架：基于有限变形理论，构建基于不变量的本构模型。
- 各向同性不变量： $I_1$ (总拉伸), $I_2$ (剪切状畸变), $I_3$ (体积变化)。
- 各向异性不变量： $I_4$ (纤维拉伸平方), $I_5$ (非线性纤维拉伸)。
自动化模型发现 (Automated Model Discovery)：
- 使用本构神经网络 (Constitutive Neural Network)，输入为不变量，输出为应变能函数 $\psi$ 。
- 网络包含 12 个无单位项，通过 $L_1$ 正则化（Lasso）进行稀疏化，自动筛选出对力学响应有贡献的项，从而直接识别材料的对称性类别，而非预先假设对称群。

3. 主要结果 (Key Results)

3.1 力学响应的各向异性差异

尽管三种材料在宏观和微观上均显示出纤维状结构，但其力学对称性截然不同：

菌丝体 (Mycelium)：表现出强各向异性。面内与面外的拉伸应力差异超过 4 倍（9.7 kPa vs 2.4 kPa），刚度差异显著 ( $p < 0.01$ )。
子实体 (Fruiting Body)：表现出中等各向异性。方向性应力差异较小（<50%），统计上处于各向异性与各向同性之间的过渡区。
蛋白菌丝体混合物 (Protein Mycelium Blend)：表现出近乎完美的各向同性。面内和面外的应力 - 应变曲线在所有加载模式下几乎完全重叠，无显著统计差异 ( $p > 0.05$ )。

3.2 模型发现揭示的对称性

自动化模型发现直接验证了上述观察：

菌丝体：发现自由能函数包含各向同性项 ( $I_1$ $I_{1}$ ) 和各向异性项 ( $I_5$ $I_{5}$ )，确认其具有优先纤维方向。
- $\psi = 5.07 [I_1 - 3] + 1.64 \langle I_5 - 1 \rangle^2$
子实体：包含各向同性项和权重较低的各向异性指数项。
- $\psi = 4.42 [I_1 - 3] + 0.69 [\exp(0.70\langle I_5 - 1 \rangle^2) - 1]$
蛋白菌丝体混合物：仅包含纯各向同性的 Neo-Hookean 项 ( $I_1$ $I_{1}$ )，未发现任何纤维依赖项 ( $I_4, I_5$ $I_{4}, I_{5}$ )。
- $\psi = 14.30 [I_1 - 3]$

3.3 感官感知与力学响应的关系

各向异性感知：菌丝体在“柔软度”和“咀嚼性”上表现出显著的各向异性；子实体在“咀嚼性”和“弹性”上表现出各向异性。
纤维感 (Fibrousness)：有趣的是，尽管菌丝体具有显著的力学各向异性，但所有三种材料在“纤维感”这一属性上均未表现出显著的各向异性 ( $p > 0.05$ )。
结论：感知到的纤维感并不直接源于微观结构的排列或刚度的各向异性，而是由力学和感官线索的复杂组合涌现而成。

4. 关键贡献 (Key Contributions)

挑战传统假设：证明了具有明显各向异性微结构（纤维网络）的材料，其宏观力学响应不一定是各向异性的。结构本身不足以预测宏观对称性。
数据驱动的对称性识别：建立了一个基于本构神经网络的框架，能够直接从实验数据中自动发现材料的对称性类别（从强各向异性到有效各向同性），无需预先假设对称群。
揭示“结构 - 性能”解耦：展示了在软物质中，视觉上的结构各向异性可能掩盖根本的各向同性力学行为。
感官与力学的解耦：指出微观结构的定向排列并不直接等同于感官上的“纤维感”各向异性，感官体验是多重因素的综合结果。

5. 意义与影响 (Significance)

理论意义：修正了软物质力学中的经典范式，强调力学响应定义了有效材料对称性，而非几何结构直接决定对称性。这一发现适用于聚合物、水合软物质及生物组织（如脑组织）。
应用价值：
- 替代肉食品开发：为设计具有特定口感（如纤维感）的植物基/真菌基肉类替代品提供了新视角。研究表明，无需过度追求微观结构的极端定向排列，也可能获得理想的各向同性或特定各向异性口感。
- 材料设计：提供了一种通过数据驱动方法逆向设计复杂软材料对称性的通用路线。
方法论创新：展示了自动化模型发现（Automated Model Discovery）在处理复杂非线性软材料本构关系中的强大能力，能够揭示传统方法难以发现的物理规律。

总结：该论文通过严谨的实验和先进的数据驱动建模，有力地证明了“结构不必然暗示对称性”。在真菌蛋白材料中，即使存在明显的纤维状微结构，其宏观力学行为仍可能是各向同性的，且这种力学行为与感官感知之间存在复杂的非线性关系。